基于WPT-ISO-RELM模型的月径流时间序列预测研究

作     者：王应武 白栩嘉 崔东文 WANG Yingwu;BAI Xujia;CUI Dongwen

作者机构：云南省水利水电勘测设计研究院云南昆明650021 云南省文山州水务局云南文山663000 

基　　金：国家重点研发计划项目(2019YFC0507500) 国家自然科学基金资助项目(41702278) 中国地质调查局地质调查项目(DD20221758、DD20190326) 

出 版 物：《水力发电》 (Water Power)

年 卷 期：2024年第50卷第3期

页      码：12-18,38页

摘      要：为提高月径流时间序列的预测精度,提升基本蛇群优化(SO)算法搜索能力,同时提升正则化极限学习机(RELM)预测性能,提出了小波包变换(WPT)-改进蛇群优化(ISO)算法-RELM预测模型。首先,利用WPT将月径流时间序列分解为低频分量和高频分量;其次,通过构建8个RELM超参数寻优适应度函数对ISO寻优能力进行检验,并与SO算法、灰狼优化(GWO)算法、变色龙群算法(CSA)、鲸鱼优化算法(WOA)、樽海鞘群体算法(SSA)、侏獴优化算法(DMO)、粒子群优化算法(PSO)的优化结果作对比;最后,建立WPT-ISO-RELM模型,并构建包含WPT-SO-RELM在内的17种模型作对比模型,通过黑河流域莺落峡水文站、讨赖河水文站2个月径流预测实例对各模型进行验证。结果表明:①ISO寻优精度优于SO、GWO、CSA、WOA、SSA、DMO、PSO,通过关键参数的改进,能有效提升ISO的极值寻优能力和平衡能力;②WPT-ISO-RELM模型对莺落峡水文站、讨赖河水文站月径流预测的平均绝对百分比误差分别为0.854%、0.447%,平均绝对误差分别为0.245、0.068 m^(3)/s,纳什效率系数均在0.9999以上,优于其他对比模型,具有更高的预测精度和更好的稳健性;③ISO对于高维和低维问题均具有较好的优化效果,算法寻优能力对提升RELM预测精度十分关键,算法优化性能越强,寻优精度越高,由此获得的RELM超参数越优,所构建的模型预测性能越好。

主 题 词：月径流预测 正则化极限学习机 改进蛇群优化算法 小波包变换 群体智能算法 超参数优化 

学科分类：08[工学] 081501[081501] 0815[工学-矿业类] 

D　O　I：10.3969/j.issn.0559-9342.2024.03.003

馆 藏 号：203126129...